多变量异常检测：工业数据分析中的异常检测技术

文章预览

在工业数据分析需求中，异常检测是数据分析和监控（如系统操作错误、异常情况、潜在和实际故障等）的关键技术。与传统的单变量异常检测（逐一检查每个变量/指标）不同，多变量异常检测考虑了多个变量之间的相互作用来识别异常。多变量异常检测在复杂的工业系统中通常更具洞察力。 单变量异常检测虽然简单、有效，但也有其局限性。它一次只分析一个变量，无法看到整体情况，无法关联其他因素信息；单因素异常值检查在复杂的工业系统中存在较大的局限性，在工业数据分析涉及的因素/变量/指标比较多，由监督控制和数据采集（Supervisory Control And Data Acquisition ，SCADA）系统中的传感器类型和数量比较多的，异常值检测必须考虑多变量检测，才能真正发现异常。 接下来的示例我们参考数据为XAI4HEAT： https://xai4heat.com/ ；这是供热系统的采 ………………………………